pandas.arrays.DatetimeArray.tz_localize

DatetimeArray.tz_localize(tz, ambiguous='raise', nonexistent='raise', errors=None) [source]

Локализация часового пояса для массива/индекса Datetime, не связанного с часовым поясом, в массив/индекс Datetime, связанный с часовым поясом.

Этот метод принимает объект массива/индекса Datetime, не связанный с часовым поясом, и делает его связанным с часовым поясом. Он не перемещает время в другой часовой пояс. Локализация часового пояса помогает переключаться с объектов, связанных с часовым поясом, на объекты, не связанные с часовым поясом.

Параметры:	tz : string, pytz.timezone, dateutil.tz.tzfile or None Часовой пояс, в который необходимо преобразовать отметки времени. Передача None удалит информацию о часовом поясе, сохранив местное время. ambiguous : ‘infer’, ‘NaT’, bool array, default ‘raise’ Когда часы двигались назад из-за перехода на летнее время, могут возникнуть неоднозначные моменты времени. Например, в центральноевропейском времени (UTC+01), при переходе с 03:00 по летнему времени на 02:00 по зимнему времени, 02:30:00 по местному времени соответствует как 00:30:00 по UTC, так и 01:30:00 по UTC. В такой ситуации параметр ambiguous определяет, как следует обрабатывать неоднозначные моменты времени. ‘infer’ попытается определить часы перехода на зимнее время по заказу массив bool, где True означает время летнего времени, False означает время зимнего времени (обратите внимание, что этот флаг применим только к неоднозначным моментам времени) ‘NaT’ возвращает NaT, когда существуют неоднозначные моменты времени ‘raise’ сгенерирует AmbiguousTimeError, если существуют неоднозначные моменты времени nonexistent : ‘shift_forward’, ‘shift_backward, ‘NaT’, timedelta, по умолчанию ‘raise’ Несуществующее время не существует в определенном часовом поясе, где часы перевели на летнее время. ‘shift_forward’ переместит несуществующее время вперед к ближайшему существующему времени ‘shift_backward’ переместит несуществующее время назад к ближайшему существующему времени ‘NaT’ вернет NaT, когда существуют несуществующие моменты времени объекты timedelta сместят несуществующие моменты времени на указанное значение ‘raise’ сгенерирует NonExistentTimeError, если существуют несуществующие моменты времени В версии 0.24.0. errors : {‘raise’, ‘coerce’}, default None ‘raise’ сгенерирует NonExistentTimeError, если отметка времени не является допустимой в указанном часовом поясе (например, из-за перехода на летнее или зимнее время). Используйте nonexistent='raise' вместо этого. ‘coerce’ вернет NaT, если отметку времени невозможно преобразовать в указанный часовой пояс. Используйте nonexistent='NaT' вместо этого. Устарело начиная с версии 0.24.0.
Возвращает:	result : same type as self Массив/индекс, преобразованный в указанный часовой пояс.
Возбуждает:	TypeError Если массив/индекс Datetime уже связан с часовым поясом, а tz не равен None.

См. также

DatetimeIndex.tz_convert

Преобразование индекса DatetimeIndex, связанного с часовым поясом, из одного часового пояса в другой.

Примеры

>>> tz_naive = pd.date_range('2018-03-01 09:00', periods=3)
>>> tz_naive
DatetimeIndex(['2018-03-01 09:00:00', '2018-03-02 09:00:00',
               '2018-03-03 09:00:00'],
              dtype='datetime64[ns]', freq='D')

Локализация DatetimeIndex в часовом поясе US/Eastern:

>>> tz_aware = tz_naive.tz_localize(tz='US/Eastern')
>>> tz_aware
DatetimeIndex(['2018-03-01 09:00:00-05:00',
               '2018-03-02 09:00:00-05:00',
               '2018-03-03 09:00:00-05:00'],
              dtype='datetime64[ns, US/Eastern]', freq='D')

С помощью tz=None, мы можем удалить информацию о часовом поясе, сохранив местное время (не преобразуя его в UTC):

>>> tz_aware.tz_localize(None)
DatetimeIndex(['2018-03-01 09:00:00', '2018-03-02 09:00:00',
               '2018-03-03 09:00:00'],
              dtype='datetime64[ns]', freq='D')

Будьте осторожны с переходами на летнее время. При последовательных данных pandas может определить время летнего времени: >>> s = pd.to_datetime(pd.Series([ … ‘2018-10-28 01:30:00’, … ‘2018-10-28 02:00:00’, … ‘2018-10-28 02:30:00’, … ‘2018-10-28 02:00:00’, … ‘2018-10-28 02:30:00’, … ‘2018-10-28 03:00:00’, … ‘2018-10-28 03:30:00’])) >>> s.dt.tz_localize(‘CET’, ambiguous=’infer’) 2018-10-28 01:30:00+02:00 0 2018-10-28 02:00:00+02:00 1 2018-10-28 02:30:00+02:00 2 2018-10-28 02:00:00+01:00 3 2018-10-28 02:30:00+01:00 4 2018-10-28 03:00:00+01:00 5 2018-10-28 03:30:00+01:00 6 dtype: int64

В некоторых случаях определить летнее время невозможно. В таких случаях можно передать массив ndarray в параметр ambiguous, чтобы явно задать время летнего времени

>>> s = pd.to_datetime(pd.Series([
... '2018-10-28 01:20:00',
... '2018-10-28 02:36:00',
... '2018-10-28 03:46:00']))
>>> s.dt.tz_localize('CET', ambiguous=np.array([True, True, False]))
0   2018-10-28 01:20:00+02:00
1   2018-10-28 02:36:00+02:00
2   2018-10-28 03:46:00+01:00
dtype: datetime64[ns, CET]

Если переход на летнее время приводит к несуществующим моментам времени, можно сдвинуть эти даты вперед или назад с помощью объекта timedelta или ‘shift_forward’ или ‘shift_backwards’. >>> s = pd.to_datetime(pd.Series([ … ‘2015-03-29 02:30:00’, … ‘2015-03-29 03:30:00’])) >>> s.dt.tz_localize(‘Europe/Warsaw’, nonexistent=’shift_forward’) 0 2015-03-29 03:00:00+02:00 1 2015-03-29 03:30:00+02:00 dtype: datetime64[ns, ‘Europe/Warsaw’] >>> s.dt.tz_localize(‘Europe/Warsaw’, nonexistent=’shift_backward’) 0 2015-03-29 01:59:59.999999999+01:00 1 2015-03-29 03:30:00+02:00 dtype: datetime64[ns, ‘Europe/Warsaw’] >>> s.dt.tz_localize(‘Europe/Warsaw’, nonexistent=pd.Timedelta(‘1H’)) 0 2015-03-29 03:30:00+02:00 1 2015-03-29 03:30:00+02:00 dtype: datetime64[ns, ‘Europe/Warsaw’]